סריקה_מקורקעת

• תיאור :

Grounded SCAN (gSCAN) הוא מערך נתונים סינתטי להערכת הכללה קומפוזיציית בהבנת שפה ממוקמת. gSCAN משלב הוראות שפה טבעית עם רצפי פעולה, ודורש מהסוכן לפרש הוראות בהקשר של סביבת ניווט ויזואלית מבוססת רשת.

מידע נוסף ניתן למצוא ב:

• עבור compositional_splits target_length_split : https://github.com/LauraRuis/groundedSCAN

• spatial_relation_splits : https://github.com/google-research/language/tree/master/language/gscan/data

• דף הבית : https://github.com/LauraRuis/groundedSCAN

• קוד מקור : tfds.vision_language.grounded_scan.GroundedScan

• גרסאות :

  • 1.0.0 : שחרור ראשוני.
  • 1.1.0 : תכונת vector שונה ל-Text().
  • 2.0.0 (ברירת מחדל): מוסיף את התצורה החדשה של spatial_relation_splits.

• שמירה אוטומטית במטמון ( תיעוד ): לא

• מבנה תכונה :

FeaturesDict({
    'command': Sequence(Text(shape=(), dtype=string)),
    'manner': Text(shape=(), dtype=string),
    'meaning': Sequence(Text(shape=(), dtype=string)),
    'referred_target': Text(shape=(), dtype=string),
    'situation': FeaturesDict({
        'agent_direction': int32,
        'agent_position': FeaturesDict({
            'column': int32,
            'row': int32,
        }),
        'direction_to_target': Text(shape=(), dtype=string),
        'distance_to_target': int32,
        'grid_size': int32,
        'placed_objects': Sequence({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
        'target_object': FeaturesDict({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
    }),
    'target_commands': Sequence(Text(shape=(), dtype=string)),
    'verb_in_command': Text(shape=(), dtype=string),
})

• תיעוד תכונה :

• מפתחות בפיקוח (ראה as_supervised doc ): None

• איור ( tfds.show_examples ): לא נתמך.

• ציטוט :

@inproceedings{NEURIPS2020_e5a90182,
 author = {Ruis, Laura and Andreas, Jacob and Baroni, Marco and Bouchacourt, Diane and Lake, Brenden M},
 booktitle = {Advances in Neural Information Processing Systems},
 editor = {H. Larochelle and M. Ranzato and R. Hadsell and M. F. Balcan and H. Lin},
 pages = {19861--19872},
 publisher = {Curran Associates, Inc.},
 title = {A Benchmark for Systematic Generalization in Grounded Language Understanding},
 url = {https://proceedings.neurips.cc/paper/2020/file/e5a90182cc81e12ab5e72d66e0b46fe3-Paper.pdf},
 volume = {33},
 year = {2020}
}

@inproceedings{qiu-etal-2021-systematic,
    title = "Systematic Generalization on g{SCAN}: {W}hat is Nearly Solved and What is Next?",
    author = "Qiu, Linlu  and
      Hu, Hexiang  and
      Zhang, Bowen  and
      Shaw, Peter  and
      Sha, Fei",
    booktitle = "Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2021",
    address = "Online and Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.emnlp-main.166",
    doi = "10.18653/v1/2021.emnlp-main.166",
    pages = "2180--2188",
}

grounded_scan/compositional_splits (תצורת ברירת מחדל)

• תיאור תצורה : דוגמאות להכללה קומפוזיציונית.

• גודל הורדה : 82.10 MiB

• גודל מערך נתונים : 998.11 MiB

• פיצולים :

• דוגמאות ( tfds.as_dataframe ):

grounded_scan/target_length_split

• תיאור תצורה : דוגמאות להכללה לאורכי יעד גדולים יותר.

• גודל הורדה : 53.41 MiB

• גודל ערכת נתונים: 546.73 MiB

• פיצולים :

• דוגמאות ( tfds.as_dataframe ):

סריקה_קרקעית/פיצולי_יחסים_מרחביים

• תיאור תצורה : דוגמאות להנמקת יחסים מרחבית.

• גודל הורדה : 89.59 MiB

• גודל ערכת נתונים: 675.09 MiB

• פיצולים :

• דוגמאות ( tfds.as_dataframe ):